基于高分二号的旺业甸林场蓄积量估测模型研究

摘要：

[目的]为了探究国产高分二号(GF-2)影像在林分蓄积量估测中的潜力,并找到最佳的蓄积量估测模型.[方法]本次实验以内蒙古旺业甸林场为研究区,以高分二号卫星影像为信息源,结合2017年10月份调查的75块样地以及同时期的GF-2影像数据,提取波段特征、植被指数和纹理特征等43个遥感因子作为候选变量,利用Pearson相关系数选择出与蓄积量显著相关的6个变量,采用多元线性回归模型(MLR)、BP-神经网络模型(BP-ANN)、随机森林模型(RF)、支持向量机模型(SVM)和K邻近模型(KNN)进行蓄积量的估测.以决定系数(R2)、均方根误差(RMSE)、相对均方根误差(RRMSE％)作为5种模型的评价指标,选择出旺业甸林场的最佳蓄积量估测模型,并绘制了研究区的森林蓄积量分布图.[结果]4种机器学习模型的结果明显优于传统的线性模型,其中随机森林(RF)模型和K邻近模型(KNN)均得到了较高的精度,其中RF模型的R2 为0.66,均方根误差为55.2 m3/hm2,相对均方根误差为28.1％,KNN模型的R2 为0.64,均方根误差为57.6 m3/hm2相对均方根误差为29.3％.[结论]在利用高分二号数据进行旺业甸林场蓄积量估测时,RF和KNN模型在估测针叶林蓄积量时相比于其他模型可以取得更好的结果.

关键词：森林蓄积量、机器学习、植被指数、纹理特征、高分二号

所属期刊栏目：生态学

分类号：S771.8(森林工程、林业机械)

资助基金：国家"十三五"重点研发计划项目"人工林资源监测关键技术研究"2017YFD0600900;湖南省科技厅"林业遥感大数据与生态安全"2016TP1014;湖南省教育厅重点项目17A225

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-84,118